-
经过改革开放四十年来的发展,中国制造业出口增长迅速,使中国逐步成为名副其实的“制造大国”。近年来,受内外经济因素的共同影响,中国制造业出口面临一定的困境。外部因素方面,受劳动力成本攀升以及部分发达国家主导的“制造业回流”影响,制造业面临着低技术类劳动密集型产业向东南亚国家转移、高技术制造业向发达国家回流的压力。从内部因素来看,由于劳动力成本上升、人口红利消失以及资源环境成本攀升,制造业出口逐步形成了传统劳动密集型出口优势日渐丧失、新的竞争优势尚未形成的局面。在此情形下,如何进一步挖掘制造业出口增长潜力、有效引导制造业产业合理布局,逐步培育出口竞争新优势,仍然是中国对外贸易发展历程中亟需解决的问题。空间集聚作为深度挖掘国内市场的重要手段,能够产生技术溢出效应[1]、沟通外溢效应[2]以及产业关联效应[3],并通过正外部性在一定程度上缓解企业融资约束[4]、提升生产效率[5-6],对于制造业出口的稳定增长、国内国际双循环相互促进体系的形成具有至关重要的意义。
现有文献从经济增长、生产率增长、金融发展水平等多个维度对空间集聚的外部性进行了广泛研究,张馨之[7]、邵宜航和李泽扬[8]分别从省际和企业层面对空间集聚的经济增长效应进行了研究,表明空间集聚对于经济增长具有显著的正向促进作用;鹿坪[9]、袁骏毅和乐嘉锦[10]分别采用城市和企业层面的数据对空间集聚的生产率增长效应进行了分析,结果显示,空间集聚对于全要素生产率增长具有积极的促进作用;Fabiani等[11]、王永进和盛丹[12]分别从融资约束和商业信用的视角对空间集聚对金融发展水平的提升进行了研究,结果表明,空间集聚能够缓解企业融资约束,增加企业商业信用。目前,关于空间集聚“规模效应”和“拥挤效应”的研究相对较少,与制造业出口结合起来的文献则更加有限。基于此,本文试图探讨以下几个问题:在外部贸易摩擦频发、内部传统比较优势丧失的背景下,能否通过空间集聚寻求中国制造业出口平稳增长与高质量转型的出路?中国省际层面的空间集聚对于中国不同类别制造业行业出口的影响有何区别?空间集聚的“拥挤效应”是否已经开始显现?针对这些问题的探讨,对于中国合理挖掘国内统一大市场、制造业出口平稳增长、国内国际“双循环”良性互动体系的形成具有重要的指导和借鉴意义。
-
空间集聚对于制造业出口的影响取决于集聚的“规模效应”导致的出口规模扩张与“拥挤效应”对制造业出口的负面效应之间的权衡。其中,“规模效应”来源于技术溢出、沟通外溢、分工细化、产业关联和劳动力市场共享等正向的外部效应,“拥挤效应”来源于企业竞争程度加剧、公共资源短缺、生产要素成本攀升等现象所带来的负面影响。
图1给出了在空间集聚程度不断攀升的同时,“规模效应”与“拥挤效应”之间的权衡关系,Cs与Rs分别表示空间集聚的成本曲线与收益曲线。当空间集聚程度相对较低时,其对于制造业出口的影响会随着空间集聚程度的不断加深而提升,此时“规模效应”占据了主导作用。但是,由于产品市场上的过度竞争与要素成本攀升现象的存在,空间集聚收益的增长率会随集聚程度的增加而递减,空间集聚成本的增长率则保持不变。因此,存在一个最优空间集聚程度S*,使得该点的空间集聚成本刚好等于空间集聚的收益。当空间集聚程度低于S*时,“规模效应”占据主导地位,能够促进制造业出口的增加;当空间集聚程度高于S*时,企业之间的竞争加剧与劳动力市场的成本攀升会对企业出口规模产生负外部性,此时“拥挤效应”占据主导地位,会对制造业出口产生负面影响。由此,本文提出如下假说:
假说1. 空间集聚与制造业出口的之间呈现“倒U形”的非线性相关关系。
-
空间集聚所带来的技术溢出、沟通外溢等正外部性能够加强企业间相互学习,并提升企业生产率水平。而根据“新新贸易理论”,在开放经济条件下,高生产率企业更易于参与到国际市场中从事出口行为。因此,空间集聚程度的不断深化,能够通过提升企业生产率水平使得更多地企业从事出口行为、提高制造业出口产品技术含量,最终起到优化出口结构的作用。对于不同制造业行业而言,空间集聚对出口的影响会由于行业技术属性不同而存在差异,对于高技术制造业①而言,其技术属性较强、生产率水平较高,能够充分借助空间集聚的技术溢出、沟通外溢等外部性提升出口产品竞争力、扩大行业出口规模。中技术和低技术行业由于行业技术属性、生产率水平相对较低,空间集聚的外部性对行业出口的影响较为有限。另外,中技术行业大多为资本密集型行业,且行业内“外向型”企业较少,行业出口规模相对有限(如表1所示),导致空间集聚技术溢出等外部效应对行业出口的影响更加有限。由此,本文认为空间集聚对于高技术行业出口规模扩张的影响效应最大,其次是低技术和中技术行业。由此提出如下假说:
表 12018年中国不同制造业行业出口额及占比
指标 高技术行业 中技术行业 低技术行业 出口额/亿元 88 246.3 13 878.1 21 526.1 占比/% 71 11 17 总计/亿元 123 650.5 123 650.5 123 650.5 数据来源:根据2019年《中国贸易外经统计年鉴》数据计算得到。 假说2. 空间集聚程度的不断加深能够在一定程度上优化制造业出口结构。
-
随着中国步入工业化进程的后期,制造业在实现快速发展的同时,地区发展不均衡的现象表现的淋漓尽致,制造业的生产经营活动呈现出“东部地区高度集聚、中西部地区次之”②的典型特点。从工业企业单位数量来看,2016年全国工业企业单位数达到37.9万家,仅东部地区企业单位数占比就高达60.1%,占据了“半壁江山”,中部和西部地区这一占比分别为26.1%和13.8%。从规模以上工业企业销售产值来看,2016东部地区占全国工业产值的比重也高达59.9%,超过了中部和西部地区的销售产值之和。从企业用工人数来一看,2016年东部地区规模以上工业企业平均用工人数占全国的比重达到了59.5%,同样远超过中部和西部地区的25.9%和14.6%③。制造业在东部地区的高度空间集聚,已经成为当前中国制造业企业生产经营活动的典型特征与客观事实。然而,空间集聚对于制造业出口的影响既存在“规模效应”,也存在“拥挤效应”,并且集聚程度越高,企业过度竞争、公共资源短缺、要素成本攀升所引起的“拥挤效应”可能越明显,而中国东部地区由于长期的制造业聚集发展,很有可能存在明显的“拥挤效应”。由此,本文提出如下假说:
假说3. 空间集聚的“拥挤效应”在东部地区最为明显,中部地区和西部地区尚不明显。
-
由理论机理分析可知,空间集聚对于制造业出口的影响均取决于集聚的“规模效应”导致的出口规模扩张与“拥挤效应”对制造业出口的负面效应之间的权衡。当空间集聚程度相对较低时,其对于制造业出口的影响会随着空间集聚程度的不断加深而提升,此时“规模效应”占据主导作用,空间集聚对制造业出口规模的扩大具有正向的促进作用,但由于拥挤效应的存在,这一影响的边际效应会递减。而当空间集聚程度进一步攀升时,企业间的恶性竞争与要素成本攀升现象显现,“拥挤效应”逐步占据主导作用,空间集聚对于出口规模存在一定的负面影响。因此,二者之间很可能呈现“倒U形”非线性相关关系。本文在借鉴叶宁华等[13]研究模型的基础上,引入了空间集聚程度的平方项,建立了如下计量模型,以便于考察空间集聚影响制造业出口的具体效应以及影响方向
$$ \begin{aligned} {\rm{EX}}_{it} = & {\beta _0} + {\beta _1}{\rm{Ag}}{{\rm{g}}_{it}} + {\beta _2}{\rm{Agg}}_{it}^2 + \mathop \sum \nolimits_{n = 3}^N {\beta _n}{X_{it}} + {\mu _i} + {\tau _t} + {\varepsilon _{it}}\\ & i = 1,2,3, \cdots ,M\;\;\;t = 1,2,3, \cdots ,T \end{aligned} $$ (1) 其中,
${\rm{EX}}_{it}$ 为制造业出口额,下标i表示省区,t表示时间;$ {\rm{Ag}}{{\rm{g}}_{it}}$ 为i省区t时期的空间集聚程度;$ {\varepsilon _{it}}$ 为随机误差项;$ {\mu _i}$ 为省份层面的固定效应;$ {\tau _t}$ 为时间固定效应;$ {X_{it}}$ 为相关控制变量的矩阵,包括制造业工资水平($ {W_{it}}$ )、金融发展水平($ {\rm{F}}{{\rm{D}}_{it}}$ )、外商直接投资($ {\rm{F}}{{\rm{DI}}_{it}}$ )、研发投入强度($ {\rm{R}}{{\rm{D}}_{it}}$ )、物质资本禀赋($ {\rm{K}}{{\rm{L}}_{it}}$ )、人力资本禀赋($ {\rm{E}}{{\rm{du}}_{it}}$ )和基础设施水平($ {\rm{I}}{{\rm{nfra}}_{it}}$ )七个省份层面的控制变量。若空间集聚程度的平方项系数为负,则表明空间集聚与制造业出口之间的关系呈现显著的“倒U形”效应。 -
本文的实证分析采用了由2003—2016年中国各省区制造业出口额以及空间集聚程度等变量构成的面板数据,并选取了物资资本水平、金融发展水平、基础设施建设水平等省份层面的控制变量来控制其他因素对于各省区制造业出口额的影响,具体变量选择与描述性统计如下。
1. 被解释变量:制造业出口额(
${\rm{EX}}_{it}$ )。本文以制造业行业出口交货值来衡量,单位为亿元,原始数据源自于《中国工业经济统计年鉴》。2. 核心解释变量:空间集聚程度(
$ {\rm{Ag}}{{\rm{g}}_{it}}$ )。本文选取了地区层面的区位熵指数($ {\rm{L}}{{\rm{Q}}_{it}}$ )来衡量制造业空间集聚程度,在后续的稳健性检验中运用产业集中度($ {V _{i}}$ )指数对核心解释变量进行了替换和对比。(1)区位熵指数($ {\rm{L}}{{\rm{Q}}_{it}}$ )。本文首先计算各省区不同制造业细分行业的区位熵指数,计算方法为各省区制造业细分行业工业销售产值($ {x _{ij}}$ )占该省区制造业总销售产值($ {x _{\rm{i}}}$ )比重与全国该细分行业工业销售产值(${x_{{j}}}$ )占全国工业销售产值比重的比值(x),计算公式为${\rm{L}}{{\rm{Q}}_{it}} = \dfrac{{{x_{ij}}/{x_i}}}{{{x_j}/x}}$ 。而后,在剔除异常值后对各制造业细分行业的区位熵指数进行了加权平均,权数为各省区不同制造业细分行业工业销售产值占全省制造业工业销售产值的比重,最终得到了各省区制造业行业的总体区位熵指数($ {\rm{L}}{{\rm{Q}}_{it}}$ )。(2)产业集中度($ {V _{it}}$ )。本文在借鉴范剑勇[14]方法的基础上,测算了各省区的产业集中度指数,以各省区不同制造业细分行业工业销售产值($ {x _{ij}}$ )占全国该行业工业销售产值($ {X _{j}}$ )比重的平均值来衡量,测算公式为${{{V}}_{{i}}} = \dfrac{{\mathop \sum \nolimits_j \left( {{x_{ij}}/{X_j}{\rm{}}} \right)}}{j}$ 。行业工业销售产值的原始数据来源于2004—2017年的《中国工业经济统计年鉴》。3. 控制变量:(1)制造业工资水平(
$ {W _{it}}$ ),以各省区制造业就业人员平均工资衡量,数据来源于2004—2017年《中国统计年鉴》,单位为元。(2)金融发展水平(${{\rm{F}}{\rm{D}}}_{it} $ ),以各省区金融机构存贷款年末余额之和与地区GDP的比值衡量,数据来源于2004—2017年《中国金融年鉴》。(3)外商直接投资额($ {{\rm{F}}{\rm{D}}{\rm{I}}}_{it} $ ),以各省区实际利用外资额表示,并利用人民币兑美元汇率年平均价进行了换算,单位为亿美元,实际利用外资额数据以及单位换算所涉及的汇率数据均来自于2004—2017年《中国统计年鉴》。(4) 研发投入强度($ {{\rm{R}}{\rm{D}}}_{it}$ )。以各地区研发经费支出占该地区当年生产总值的比重来衡量,各省区研发经费指出来自2004—2017年《中国科技统计年鉴》。(5) 物质资本禀赋($ {{\rm{K}}{\rm{L}}}_{it}$ ),借鉴刘洪铎等[15]的做法,以地区固定资本存量与该地区劳动人口比值衡量,原始数据来源于2004—2017年《中国统计年鉴》和《中国人口和就业统计年鉴》。(6) 人力资本禀赋($ {{\rm{E}}{\rm{d}}{\rm{u}}}_{it} $ ),采用彭国华[16]的测算方法,以各省区平均受教育年限来衡量不同地区的人力资本禀赋水平,单位为年,原始数据来自2004—2017年《中国人口和就业统计年鉴》。(7) 基础设施水平($ {{\rm{I}}{\rm{n}}{\rm{f}}{\rm{r}}{\rm{a}}}_{it} $ ),采用各省区铁路里程与公路里程之和占全国的比重来衡量,原始数据源自于2004—2017年《中国统计年鉴》。经过数据初步整理与计算,最终得到2003—2016年30个省区(不包括西藏)14年的省际面板数据,并以此作为实证分析的基础。在实证分析的过程中,为消除各变量数量级对于实证结果的影响,对于非比值类变量取对数后进行回归分析,各变量的统计性描述特征如表2所示。
表 2空间集聚制造业出口规模效应分析的变量统计特征
变量 均值 标准差 中位数 最小值 最大值 观测值 $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$ 6.276 1.994 6.186 0.587 10.384 420 $ {{\rm{LQ}}}_{it} $ 1.344 1.425 0.735 0.081 6.246 420 $ {V}_{it}$ 3.333 3.889 1.823 0.094 15.942 420 $ {{\rm{l}}{\rm{n}}\;W}_{it} $ 9.980 0.407 9.959 9.099 11.030 420 $ {{\rm{F}}{\rm{D}}}_{it} $ 2.748 1.060 2.575 1.288 8.131 420 $ {{\rm{l}}{\rm{n}}\;{\rm{F}}{\rm{D}}{\rm{I}}}_{it} $ 5.229 1.518 5.499 −0.007 7.722 420 $ {{\rm{R}}{\rm{D}}}_{it} $ 0.352 0.608 0.169 0.028 4.286 420 $ {{\rm{l}}{\rm{n}}\;{\rm{K}}{\rm{L}}}_{it} $ 9.548 9.548 0.798 9.689 7.594 420 $ {{\rm{E}}{\rm{d}}{\rm{u}}}_{it} $ 10.675 1.233 10.590 7.660 14.940 420 $ {{\rm{I}}{\rm{n}}{\rm{f}}{\rm{r}}{\rm{a}}}_{it} $ 0.033 0.017 0.034 0.003 0.089 420 -
在进行实证结果分析之前,本文分别作出了制造业出口额与区位熵指数LQit、地区产业集中度(Vit)的散点图,并分别给出了各自的拟合曲线,如图2和图3所示。由图2和图3可知,无论是对于区位熵指数(LQit),还是对于地区产业集中度(Vit)而言,其与制造业出口额之间的关系均呈现出明显的“倒U形”关系。制造业出口额与空间集聚程度之间的相关关系与描述性统计特征表明,空间集聚与制造业出口之间存在明显的“倒U形”关系,进一步证实了本文前述理论与实证模型设定的合理性。
-
基于2003—2016年中国30个省区制造业区位熵指数与出口额的面板数据,以及各省份层面的控制变量数据,本文分别选取了混合截面模型(POLS)、固定效应模型(FE)和动态面板模型(FD-GMM)对已有指标进行了实证检验,表3给出了具体模型回归结果。
表 3空间集聚对制造业出口规模影响的基准回归结果
解释变量 混合OLS 固定效应FE 差分GMM (1) (2) (3) (4) (5) $ {{\rm{L}}{\rm{Q}}}_{it} $ 2.687*** 1.296*** 0.732*** 1.070** 0.639** (17.53) (11.29) (4.41) (2.38) (2.36) $ {{\rm{L}}{\rm{Q}}}_{it}^{2}$ −0.314*** −0.133*** −0.0734*** −0.104** −0.0588* (−10.99) (−6.86) (−3.52) (−2.29) (−1.81) $ {{\rm{l}}{\rm{n}}\;W}_{it}$ 1.039*** 0.728*** 0.533 0.196 (7.00) (7.93) (1.46) (0.82) $ {{\rm{F}}{\rm{D}}}_{it}$ 0.0844 −0.0582 0.0359 0.202** (1.41) (−0.98) (0.28) (2.09) $ {{\rm{l}}{\rm{n}}\;{\rm{F}}{\rm{D}}{\rm{I}}}_{it}$ 0.671*** 0.224*** 0.213** 0.0757 (18.29) (6.36) (2.58) (1.61) $ {{\rm{R}}{\rm{D}}}_{it}$ −0.112 −0.275* −0.0245 −0.361 (−1.29) (−1.85) (−0.15) (−1.60) $ {{\rm{l}}{\rm{n}}\;{\rm{K}}{\rm{L}}}_{it} $ −0.419*** 0.302*** −0.0692 0.0495 (−4.95) (5.01) (−0.42) (0.54) $ {{\rm{E}}{\rm{d}}{\rm{u}}}_{it}$ 0.178*** −0.109** −0.0971 0.0719 (3.41) (−2.06) (−0.80) (0.96) $ {{\rm{I}}{\rm{n}}{\rm{f}}{\rm{r}}{\rm{a}}}_{it} $ −5.472* 5.780 7.109 0.0530 (−2.25) (1.50) (1.24) (0.01) Constant −6.747*** −4.517*** −0.560 −0.227 (−6.93) (−8.31) (−0.14) (−0.09) $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{i,\;t-1} $ 0.264* (1.84) F统计量 42.22 [0.000] Sargan检验$ {\chi }^{2}$
统计量13.994 [0.233] AR(1)z统计量 −1.82 [0.069] AR(2)z统计量 0.723 [0.469] 省区固定效应 否 否 是 是 是 时间固定效应 否 否 否 是 是 $ {R}^{2} $ 0.669 0.896 0.751 0.777 — 观测值 420 420 420 420 360 注:(1)()内为各变量系数估计值的t统计量,其中模型(4)的t值为考虑了异方差和序列相关的聚类稳健标准误后的t统计量值;(2)[ ]内为各统计量的伴随概率;(3)***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著。 模型(1)为仅加入核心解释变量区位熵指数及区位熵指数平方项的OLS回归结果。考虑到除空间集聚程度之外,各省区不同时期的对外直接投资、金融发展水平等因素对制造业出口额均能够产生影响,因此,模型(2)在模型(1)的基础上加入了省份层面的各控制变量。由于固定效应模型可以控制不随时间变化的个体效应对于回归结果的影响,在对现有面板数据进行了混合OLS回归以后,利用固定效应模型(FE)进行了进一步的实证分析,模型(3)为考虑了省区固定效应的FE模型,控制了地理特征等不随时间变化的特定因素对于各省区制造业出口额的影响。模型(4)为同时考虑省区固定效应和时间固定效应的双向固定效应模型。模型(5)在模型(4)的基础上进一步加入了制造业出口额的滞后一期(
$ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{i,\;t-1} $ ),并运用差分GMM模型对现有数据进行了实证分析,Sargan检验中$ {\chi }^{2}$ 统计量的伴随概率为0.233,无法拒绝“不存在工具变量过度识别问题”的原假设。此外,差分方程二阶序列相关检验中z统计量的伴随概率为0.469,无法拒绝“不存在序列相关”的原假设。综上,模型(5)不存在序列相关与工具变量的过度识别问题,模型设定合理有效。由实证分析结果可知,无论是在混合截面模型(POLS)、固定效应模型(FE)还是动态面板模型(FD-GMM)中,制造业出口额与各省区制造业区位熵指数平方项(
${\rm LQ}_{it}$ )之间均呈现出显著的负相关关系,并且这一结果在各个模型中至少在0.1的显著性水平上通过了显著性检验,这表明空间集聚与制造业出口额之间呈现出明显的“倒U形”关系,并且这一结果在各个模型中都是稳健的。由模型(5)的实证分析结果可知:空间集聚与制造业出口之间呈现显著的“倒U形”关系。区位熵指数的平方项系数为−0.058 8,区位熵指数的一次项系数为0.639,由此可以得到区位熵指数对于制造业出口的“倒U形”影响的拐点为LQ=5.434。这一结果充分表明,“规模效应”与“拥挤效应”在空间集聚对制造业出口的影响中是并存的。当空间集聚程度较低(LQ<5.434)时,“规模效应”在空间集聚的外部性中占据主导地位,此时,空间集聚能够通过技术溢出、沟通外溢、产业关联、劳动力市场共享等效应对于制造业出口产生积极的正向作用,但由于“拥挤效应”的存在,这一正向的边际影响效应递减;当空间集聚程度较高(LQ>5.434)时,企业间存在过度竞争和出口潜力与空间的相互挤压,再加上生产要素成本、交通与环境成本的不断攀升,“拥挤效应”逐步凸显并在空间集聚对制造业出口的影响中占据了主导地位。此时,空间集聚对于制造业出口规模的扩张具有负面影响,不利于中国制造业出口的平稳增长。
-
由于对外贸易参与度较高的地区很有可能会吸引更多的出口企业到该区域聚集,这一自选择行为可能造成制造业出口与空间集聚之间的反向因果关系,进而导致本文回归结果存在偏误。本文在借鉴李翠锦和荆逢春[17]15-16方法的基础上,选择了“各省份1984年国家级经济技术开发区数量”及其平方项作为工具变量,并利用两阶段最小二乘法(2SLS)对已有数据进行分析,以最大程度地克服空间集聚影响制造业出口实证分析中存在的内生性问题,表4给出了两阶段最小二乘法的估计结果。本文之所以选择各省份1984年国家级经济技术开发区数量为作为空间集聚指数的工具变量,原因在于:为促进地区经济发展、引导地区产业集聚,1984年中国批准设立了第一批国家级经济技术开发区,这一政策扶持对于各省区的产业集聚程度起到了积极的正向影响,然而开发区的设立却与当前各省区制造业对外贸易发展程度相关性不大。因此,工具变量的选择符合两个基本条件,即与解释变量(
$ {{\rm{L}}{\rm{Q}}}_{it} $ )具有较强相关性,与被解释变量($ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$ )无强相关性。表 4空间集聚影响制造业出口内生性问题:2SLS估计
解释变量 被解释变量:制造业出口额($ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$) (1) (2) (3) $ {{\rm{L}}{\rm{Q}}}_{it} $ 6.228*** 2.599*** 2.430*** (6.77) (5.96) (6.15) $ {{\rm{L}}{\rm{Q}}}_{it}^{2} $ −0.960*** −0.340*** −0.315*** (−5.39) (−4.68) (−4.91) Constant 1.582*** −6.938*** −11.97*** (2.75) (−6.19) (−4.59) 省份控制变量 否 是 是 年份虚拟变量 否 否 是 Kleibergen-Paap rk LM统计量 23.246 27.935 22.462 [0.000] [0.000] [0.000] Kleibergen-Paap Wald rkF统计量 14.796 17.639 14.197 {7.03} {7.03} {7.03} $ {R}^{2} $ 0.244 0.864 0.884 观测值 420 420 420 第一阶段结果 被解释变量:${\rm LQ}_{{it} }$ Sez 0.426 0.176 −0.143 (1.19) (0.56) (−0.49) $ {\rm{Sez}}^{2} $ 0.749*** 0.669*** 0.758*** (4.04) (4.02) (4.86) F统计量 36.17 36.37 28.42 [0.000] [0.000] [0.000] 被解释变量:${\rm LQ}_{{it} }^{2}$ Sez −0.4597574 −1.912 −3.945** (−0.21) (−1.02) (−2.30) $ {\rm{Sez}}^{2}$ 5.44788*** 5.496*** 6.089*** (4.63) (5.11) (6.03) F统计量 33.96 35.87 28.64 [0.000] [0.000] [0.000] 注:(1)()内为虑了异方差和序列相关的聚类稳健标准误后,各变量系数估计值的t统计量值,[ ]内为各统计量的伴随概率,{ }内为Stock和Yogo[18]提供的F统计量10%水平的临界值;(2) ***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3) 省份控制变量同基准回归结果。 表4中第(1)列为不加省份层面控制变量和年份虚拟变量的两阶段最小二乘估计结果,第(2)列进一步加入了省份层面的控制变量,第(3)列在第(2)列的基础之上加入了年份虚拟变量以控制经济政策等因素的影响。Kleibergen-Paap rk LM检验和Kleibergen-Paap Wald rkF检验均拒绝了“工具变量识别不足”和“存在弱工具变量”的原假设,且第一阶段回归结果中的F统计量也远大于10,表明本文所选取的工具变量与内生变量之间的存在较强的相关性,进一步验证了工具变量的选择的合理性。因此,在考虑了内生性问题对于实证分析结果的影响后,空间集聚对于制造业出口规模的“倒U形”影响依然是稳健的。
-
为进一步考察本文研究结论的稳健性,本文变换了空间集聚程度的衡量指标,以地区产业集中度指数(
$ {V}_{it} $ )作为空间集聚程度的度量指标,分别利用混合截面模型(POLS)、固定效应模型(FE)和动态面板模型(FD-GMM)对于制造业出口额与地区产业集中度指数数据进行了进一步的回归分析,并于基准回归模型中的结果进行了对比,具体结果如表5所示。由于动态面板模型(FD-GMM)考虑了被解释变量滞后一期值对于当期值的影响,因此在稳健性中本文依然采用动态面板模型作为实证结果解释的基础。表 5基于地区产业集中度指数的空间集聚出口规模效应稳健性检验
解释变量 混合OLS 固定效应(FE) 差分GMM (1) (2) (3) (4) (5) (6) $ {{\rm{L}}{\rm{Q}}}_{it}$ 1.296*** 1.070** 0.639** (11.29) (2.38) (2.36) $ {{\rm{L}}{\rm{Q}}}_{it}^{2} $ −0.133*** −0.104** −0.0588* (−6.86) (−2.29) (−1.81) $ {V}_{it}$ 0.606*** 0.509*** 0.326*** (14.43) (4.09) (2.97) $ {V}_{it}^{2} $ −0.0263*** −0.0195*** −0.0130** (−10.08) (−3.68) (−2.34) Constant −6.747*** −6.570*** −0.560 1.830 −0.227 1.128 (−6.93) (−7.08) (−0.14) (0.44) (−0.09) (0.44) $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{i, t-1} $ 0.264* 0.280* (1.84) (1.91) 省份控制变量 是 是 是 是 是 是 Sargan检验($ {\chi }^{2} $) 13.994 14.020 [0.233] [0.231] AR(1):z统计量 −1.82 −1.860 [0.069] [0.063] AR(2):z统计量 0.723 0.492 [0.469] [0.623] 省份固定效应 否 否 是 是 是 是 时间固定效应 否 否 是 是 是 是 $ {R}^{2}$ 0.896 0.905 0.777 0.790 — — 观测值 420 420 420 420 360 360 注:(1)()内为各变量系数估计值的t统计量,其中模型(3)和模型(4)的t值为考虑了异方差和序列相关的聚类稳健标准误后的t统计量值,[ ]内为各统计量的伴随概率;(2)***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3)省份控制变量同基准回归结果。 由实证分析结果可知,无论是对于区位熵指数(
$ {{\rm{L}}{\rm{Q}}}_{it}$ )还是对于地区产业集中度指数而言($ {V}_{it}$ ),空间集聚程度的一次项的系数均为正,空间集聚程度的二次项系数均为负。在变换了空间集聚指标后,制造业空间集聚与出口之间的“倒U形”关系仍然显著,这一结果充分表明,本文的研究假设不受变换空间集聚度量指标的影响。 -
为进一步分析空间集聚对不同制造业行业影响的异质性,本文分别考察了空间集聚对高技术(
$ {{\rm{E}}{\rm{X}}{\rm{H}}{\rm{T}}}_{it}$ )、中技术($ {{\rm{E}}{\rm{X}}{\rm{M}}{\rm{T}}}_{it}$ )和低技术($ {{\rm{E}}{\rm{X}}{\rm{L}}{\rm{T}}}_{it}$ )制造业出口额的影响,以便于根据影响系数的大小判断空间集聚对制造业出口结构的影响,具体结果如表6所示。表 6空间集聚对制造业出口结构的影响效应分析
被解释变量 $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it} $ $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}{\rm{H}}{\rm{T}}}_{it} $ $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}{\rm{M}}{\rm{T}}}_{it} $ $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}{\rm{L}}{\rm{T}}}_{it} $ $ {{\rm{L}}{\rm{Q}}}_{it} $ 0.274*** 0.297*** 0.122 0.255*** (3.75) (3.05) (1.16) (3.09) Constant −3.021 −7.045*** −6.501** −3.637 (−1.52) (−2.66) (−2.29) (−1.62) 省份控制变量 是 是 是 是 省区固定效应 是 是 是 是 时间固定效应 是 是 是 是 $ {R}^{2} $ 0.762 0.717 0.508 0.697 F值 56.41 44.44 18.14 40.37 观测值 420 420 420 420 注:(1)()内为各变量系数估计值的t统计量;(2)***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3)省份控制变量同基准回归结果。 由空间集聚对不同技术类别制造业行业出口影响效应的对比分析可以得到,空间集聚对于高技术制造业出口规模的影响系数最高,达到了0.297,对于中技术制造业出口的影响效应并不显著,对于低技术制造业出口的影响系数为0.255。这表明:(1)空间集聚对于高技术和低技术制造业出口具有显著的促进作用,各省区空间集聚程度每上升0.1个单位,高技术和低技术制造业出口分别上涨2.97%和2.55%。(2)空间集聚水平的提升对高技术制造业出口的正向影响效应最大(
$ \; {\widehat{\beta }}_{1}=0.297 $ ),明显高于中技术和低技术制造业出口。由此,制造业集聚水平的提升不仅能够扩大制造业出口规模,并且能够进一步促进制造业出口产品结构的优化。 -
除了对空间集聚影响制造业出口的行业异质性进行考察外,考虑到中国地区经济发展具有不均衡的典型特点,东部、中部和西部地区经济发展水平、技术水平和制度环境均存在差异,空间集聚的贸易效应在不同地区可能存在差异,因此,本部分在行业异质性分析之外,对空间集聚影响制造业出口的地区异质性进行了进一步的考察,以便比较不同地区空间集聚“规模效应”与“拥挤效应”的差异性,希望能够地区经济均衡发展提供建议,表7给出了具体回归结果。
表 7空间集聚影响制造业出口的地区异质性考察
解释变量 被解释变量:制造业出口额($ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$) 全样本 东部地区 中部地区 西部地区 $ {{\rm{L}}{\rm{Q}}}_{it}$ 0.274*** 0.0508 1.040*** 1.950*** (3.75) (1.15) (4.30) (4.58) Constant −3.021 −2.298 −0.955 −4.619 (−1.52) (−1.27) (−0.20) (−0.96) 省份控制变量 是 是 是 是 省区固定效应 是 是 是 是 时间固定效应 是 是 是 是 $ {R}^{2} $ 0.762 0.888 0.926 0.735 F值 56.41 0.934 0.863 0.790 观测值 420 154 112 154 注:(1)()内为各变量系数估计值的t统计量;(2) ***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3) 省份控制变量同基准回归结果。 由空间集聚对不同地区制造业行业出口影响效应的对比分析可以得到,空间集聚对东部地区制造业出口规模的影响系数最低(
$\; {\widehat{\beta }}_{1}=0.05\;08 $ ),其次是中部地区($ \;{\widehat{\beta }}_{1}=1.04\;0 $ ),对于西部地区制造业出口的影响系数最大,系数估计值$\; {\widehat{\beta }}_{1} $ 为1.95。这表明:整体而言,空间集聚对于东部地区、中部地区和西部地区制造业出口均具有正向影响。但由于空间集聚对制造业出口的影响取决于“规模效应”与“拥挤效应”之间的权衡,且集聚程度越高,“拥挤效应”越明显,因此,对于集聚程度最高的东部地区,空间集聚呈现出了较大的“拥挤效应”,导致空间集聚对制造业出口的边际影响最小。对于中度集聚的中部地区而言,空间集聚的“拥挤效应”相对较小,而西部地区由于空间集聚程度最低,“拥挤效应”也最弱,集聚对制造业出口的边际影响最大。在空间集聚贸易效应的研究中,现有文献大多从商业信用[17]11-12、融资约束[19]、劳动力成本[20]等不同角度证实了空间集聚能够对出口产生积极影响,但未发现并证实拥挤效应的存在。本文基于规模效应与拥挤效应相互权衡的视角,验证了空间集聚与制造业出口之间的“倒U形”关系,并证明这一结论不受内生性问题以及指标变换的影响,同时分析了空间集聚贸易效应在不同行业与地区的异质性,研究结论具有一定的新颖性。
Analysis of the Nonlinear Impact of Spatial Agglomeration on Manufacturing Exports and Its Heterogeneity
——Based on the Perspective of Scale Effect and Crowding Effect
-
摘要:伴随着工业化进程的不断加快,中国制造业空间集聚程度不断深化,深刻影响了中国制造业对外贸易格局。基于“规模效应”与“拥挤效应”的视角,运用2003—2016年30个省份的面板数据,对空间集聚影响制造业出口的影响效应与影响方向、行业与地区异质性进行了分析与验证,研究结果表明:(1)空间集聚对于制造业出口的影响取决于“规模效应”与“拥挤效应”之间的权衡,二者之间存在显著的“倒U形”关系。(2)空间集聚程度的不断加深不仅能够扩大出口规模,同时能够在一定程度上优化制造业出口结构。(3)空间集聚对制造业出口影响的“拥挤效应”已经开始显现,且“拥挤效应”在东部地区最为明显。Abstract:The acceleration of the industrialization process continuously drives the deepening of the spatial agglomeration of China's manufacturing industry, and has a profound impact on the foreign trade pattern of China's manufacturing industry. Based on the perspective of “scale effect” and “crowding effect”, this paper uses the panel data of 30 provinces from 2003 to 2016 to analyze and verify the influence effect, influence direction, industry and regional heterogeneity of spatial agglomeration on manufacturing export. The results show that: (1) The impact of spatial agglomeration on manufacturing export depends on the trade-off between “scale effect” and “crowding effect”, and there is a significant “inverted U” relationship between them. (2) The deepening of spatial agglomeration can not only expand the export scale, but also optimize the export structure of manufacturing industry to a certain extent. (3) The “crowding effect” of spatial agglomeration on manufacturing export has begun to appear, and the “crowding effect” is the most obvious in the eastern region.注释:1) 根据经合组织(OECD)对制造业行业的分类,高技术行业包括:化学制品制造业、医药制造业、化学纤维制造业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械制造业、计算机和电子设备制造业、仪器仪表制造业;中技术行业包括:石油煤炭燃料加工业、橡胶和塑料制品业、非金属矿物制品业、黑色金属压延加工业、有色金属压延加工业、金属制品业;低技术行业包括:农副食品加工业、食品制造业、酒饮料和精制茶制造业、烟草制品业、纺织业、纺织服装服饰业、皮革及其制品和制鞋业、木材加工和木制品业、家具制造业、造纸和纸制品业、印刷和记录媒介复制业、文教体育和娱乐用品制造业。2) 根据国家统计局的分类,东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省(市);中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南八个省;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省(市、自治区)。3) 数据来源于2017年《中国工业经济统计年鉴》。
-
表 12018年中国不同制造业行业出口额及占比
指标 高技术行业 中技术行业 低技术行业 出口额/亿元 88 246.3 13 878.1 21 526.1 占比/% 71 11 17 总计/亿元 123 650.5 123 650.5 123 650.5 数据来源:根据2019年《中国贸易外经统计年鉴》数据计算得到。 表 2空间集聚制造业出口规模效应分析的变量统计特征
变量 均值 标准差 中位数 最小值 最大值 观测值 $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$ 6.276 1.994 6.186 0.587 10.384 420 $ {{\rm{LQ}}}_{it} $ 1.344 1.425 0.735 0.081 6.246 420 $ {V}_{it}$ 3.333 3.889 1.823 0.094 15.942 420 $ {{\rm{l}}{\rm{n}}\;W}_{it} $ 9.980 0.407 9.959 9.099 11.030 420 $ {{\rm{F}}{\rm{D}}}_{it} $ 2.748 1.060 2.575 1.288 8.131 420 $ {{\rm{l}}{\rm{n}}\;{\rm{F}}{\rm{D}}{\rm{I}}}_{it} $ 5.229 1.518 5.499 −0.007 7.722 420 $ {{\rm{R}}{\rm{D}}}_{it} $ 0.352 0.608 0.169 0.028 4.286 420 $ {{\rm{l}}{\rm{n}}\;{\rm{K}}{\rm{L}}}_{it} $ 9.548 9.548 0.798 9.689 7.594 420 $ {{\rm{E}}{\rm{d}}{\rm{u}}}_{it} $ 10.675 1.233 10.590 7.660 14.940 420 $ {{\rm{I}}{\rm{n}}{\rm{f}}{\rm{r}}{\rm{a}}}_{it} $ 0.033 0.017 0.034 0.003 0.089 420 表 3空间集聚对制造业出口规模影响的基准回归结果
解释变量 混合OLS 固定效应FE 差分GMM (1) (2) (3) (4) (5) $ {{\rm{L}}{\rm{Q}}}_{it} $ 2.687*** 1.296*** 0.732*** 1.070** 0.639** (17.53) (11.29) (4.41) (2.38) (2.36) $ {{\rm{L}}{\rm{Q}}}_{it}^{2}$ −0.314*** −0.133*** −0.0734*** −0.104** −0.0588* (−10.99) (−6.86) (−3.52) (−2.29) (−1.81) $ {{\rm{l}}{\rm{n}}\;W}_{it}$ 1.039*** 0.728*** 0.533 0.196 (7.00) (7.93) (1.46) (0.82) $ {{\rm{F}}{\rm{D}}}_{it}$ 0.0844 −0.0582 0.0359 0.202** (1.41) (−0.98) (0.28) (2.09) $ {{\rm{l}}{\rm{n}}\;{\rm{F}}{\rm{D}}{\rm{I}}}_{it}$ 0.671*** 0.224*** 0.213** 0.0757 (18.29) (6.36) (2.58) (1.61) $ {{\rm{R}}{\rm{D}}}_{it}$ −0.112 −0.275* −0.0245 −0.361 (−1.29) (−1.85) (−0.15) (−1.60) $ {{\rm{l}}{\rm{n}}\;{\rm{K}}{\rm{L}}}_{it} $ −0.419*** 0.302*** −0.0692 0.0495 (−4.95) (5.01) (−0.42) (0.54) $ {{\rm{E}}{\rm{d}}{\rm{u}}}_{it}$ 0.178*** −0.109** −0.0971 0.0719 (3.41) (−2.06) (−0.80) (0.96) $ {{\rm{I}}{\rm{n}}{\rm{f}}{\rm{r}}{\rm{a}}}_{it} $ −5.472* 5.780 7.109 0.0530 (−2.25) (1.50) (1.24) (0.01) Constant −6.747*** −4.517*** −0.560 −0.227 (−6.93) (−8.31) (−0.14) (−0.09) $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{i,\;t-1} $ 0.264* (1.84) F统计量 42.22 [0.000] Sargan检验$ {\chi }^{2}$
统计量13.994 [0.233] AR(1)z统计量 −1.82 [0.069] AR(2)z统计量 0.723 [0.469] 省区固定效应 否 否 是 是 是 时间固定效应 否 否 否 是 是 $ {R}^{2} $ 0.669 0.896 0.751 0.777 — 观测值 420 420 420 420 360 注:(1)()内为各变量系数估计值的t统计量,其中模型(4)的t值为考虑了异方差和序列相关的聚类稳健标准误后的t统计量值;(2)[ ]内为各统计量的伴随概率;(3)***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著。 表 4空间集聚影响制造业出口内生性问题:2SLS估计
解释变量 被解释变量:制造业出口额($ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$) (1) (2) (3) $ {{\rm{L}}{\rm{Q}}}_{it} $ 6.228*** 2.599*** 2.430*** (6.77) (5.96) (6.15) $ {{\rm{L}}{\rm{Q}}}_{it}^{2} $ −0.960*** −0.340*** −0.315*** (−5.39) (−4.68) (−4.91) Constant 1.582*** −6.938*** −11.97*** (2.75) (−6.19) (−4.59) 省份控制变量 否 是 是 年份虚拟变量 否 否 是 Kleibergen-Paap rk LM统计量 23.246 27.935 22.462 [0.000] [0.000] [0.000] Kleibergen-Paap Wald rkF统计量 14.796 17.639 14.197 {7.03} {7.03} {7.03} $ {R}^{2} $ 0.244 0.864 0.884 观测值 420 420 420 第一阶段结果 被解释变量:${\rm LQ}_{{it} }$ Sez 0.426 0.176 −0.143 (1.19) (0.56) (−0.49) $ {\rm{Sez}}^{2} $ 0.749*** 0.669*** 0.758*** (4.04) (4.02) (4.86) F统计量 36.17 36.37 28.42 [0.000] [0.000] [0.000] 被解释变量:${\rm LQ}_{{it} }^{2}$ Sez −0.4597574 −1.912 −3.945** (−0.21) (−1.02) (−2.30) $ {\rm{Sez}}^{2}$ 5.44788*** 5.496*** 6.089*** (4.63) (5.11) (6.03) F统计量 33.96 35.87 28.64 [0.000] [0.000] [0.000] 注:(1)()内为虑了异方差和序列相关的聚类稳健标准误后,各变量系数估计值的t统计量值,[ ]内为各统计量的伴随概率,{ }内为Stock和Yogo[18]提供的F统计量10%水平的临界值;(2) ***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3) 省份控制变量同基准回归结果。 表 5基于地区产业集中度指数的空间集聚出口规模效应稳健性检验
解释变量 混合OLS 固定效应(FE) 差分GMM (1) (2) (3) (4) (5) (6) $ {{\rm{L}}{\rm{Q}}}_{it}$ 1.296*** 1.070** 0.639** (11.29) (2.38) (2.36) $ {{\rm{L}}{\rm{Q}}}_{it}^{2} $ −0.133*** −0.104** −0.0588* (−6.86) (−2.29) (−1.81) $ {V}_{it}$ 0.606*** 0.509*** 0.326*** (14.43) (4.09) (2.97) $ {V}_{it}^{2} $ −0.0263*** −0.0195*** −0.0130** (−10.08) (−3.68) (−2.34) Constant −6.747*** −6.570*** −0.560 1.830 −0.227 1.128 (−6.93) (−7.08) (−0.14) (0.44) (−0.09) (0.44) $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{i, t-1} $ 0.264* 0.280* (1.84) (1.91) 省份控制变量 是 是 是 是 是 是 Sargan检验($ {\chi }^{2} $) 13.994 14.020 [0.233] [0.231] AR(1):z统计量 −1.82 −1.860 [0.069] [0.063] AR(2):z统计量 0.723 0.492 [0.469] [0.623] 省份固定效应 否 否 是 是 是 是 时间固定效应 否 否 是 是 是 是 $ {R}^{2}$ 0.896 0.905 0.777 0.790 — — 观测值 420 420 420 420 360 360 注:(1)()内为各变量系数估计值的t统计量,其中模型(3)和模型(4)的t值为考虑了异方差和序列相关的聚类稳健标准误后的t统计量值,[ ]内为各统计量的伴随概率;(2)***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3)省份控制变量同基准回归结果。 表 6空间集聚对制造业出口结构的影响效应分析
被解释变量 $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it} $ $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}{\rm{H}}{\rm{T}}}_{it} $ $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}{\rm{M}}{\rm{T}}}_{it} $ $ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}{\rm{L}}{\rm{T}}}_{it} $ $ {{\rm{L}}{\rm{Q}}}_{it} $ 0.274*** 0.297*** 0.122 0.255*** (3.75) (3.05) (1.16) (3.09) Constant −3.021 −7.045*** −6.501** −3.637 (−1.52) (−2.66) (−2.29) (−1.62) 省份控制变量 是 是 是 是 省区固定效应 是 是 是 是 时间固定效应 是 是 是 是 $ {R}^{2} $ 0.762 0.717 0.508 0.697 F值 56.41 44.44 18.14 40.37 观测值 420 420 420 420 注:(1)()内为各变量系数估计值的t统计量;(2)***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3)省份控制变量同基准回归结果。 表 7空间集聚影响制造业出口的地区异质性考察
解释变量 被解释变量:制造业出口额($ {{\rm{l}}{\rm{n}}\;{\rm{E}}{\rm{X}}}_{it}$) 全样本 东部地区 中部地区 西部地区 $ {{\rm{L}}{\rm{Q}}}_{it}$ 0.274*** 0.0508 1.040*** 1.950*** (3.75) (1.15) (4.30) (4.58) Constant −3.021 −2.298 −0.955 −4.619 (−1.52) (−1.27) (−0.20) (−0.96) 省份控制变量 是 是 是 是 省区固定效应 是 是 是 是 时间固定效应 是 是 是 是 $ {R}^{2} $ 0.762 0.888 0.926 0.735 F值 56.41 0.934 0.863 0.790 观测值 420 154 112 154 注:(1)()内为各变量系数估计值的t统计量;(2) ***、**、*分别表示参数估计值在0.01、0.05、0.1的水平上显著;(3) 省份控制变量同基准回归结果。 -
[1] 谭文柱. 地理空间与创新: 理论发展脉络与思考[J]. 世界地理研究, 2012, 21(3): 94-100+151. [2] 郑小碧. 贸易中介空间集聚如何提升出口边际: 沟通外溢性视角[J]. 世界经济研究, 2019(9): 46-66+135. [3] DURANTON G, PUGA D. Microfoundations of urban agglomeration economies [J]. CEPR Discussion Papers, 2003, 4(4): 1-48. [4] 刘竹青, 余子良. 地理集聚能否促进企业的出口参与: 基于外部融资依赖的分析[J]. 世界经济研究, 2014(12): 3-8+84. [5] RUSSO P F, ROSSI P. Credit constraints in Italian industrial districts [J]. Applied Economics, 2001, 33(11): 1469-1477.doi:10.1080/00036840010010467 [6] 范剑勇. 产业集聚与地区间劳动生产率差异[J]. 经济研究, 2006(11): 72-81. [7] 张馨之. 区域经济的集聚与增长: 来自中国的经验证据[J]. 兰州大学学报(社会科学版), 2013, 41(6): 112-119. [8] 邵宜航, 李泽扬. 空间集聚、企业动态与经济增长: 基于中国制造业的分析[J]. 中国工业经济, 2017(2): 5-23. [9] 鹿坪. 产业集聚能提高地区全要素生产率吗: 基于空间计量的实证分析[J]. 上海经济研究, 2017(07): 60-68. [10] 袁骏毅, 乐嘉锦. 空间集聚与企业全要素生产率: 基于中国工业企业数据库的考察[J]. 湘潭大学学报(哲学社会科学版), 2018, 42(6): 32-36. [11] FABIANI S, PELLEGRINI G, ROMAGNANO E. et al. Efficiency and localisation: the case of Italian districts [M]. Heidelberg: Springer-Verlag Berlin Heidelberg, 2000. [12] 王永进, 盛丹. 地理集聚会促进企业间商业信用吗?[J]. 管理世界, 2013(1): 101-114+188. [13] 叶宁华, 包群, 邵敏. 空间集聚、市场拥挤与我国出口企业的过度扩张[J]. 管理世界, 2014(1): 58-72. [14] 范剑勇. 市场一体化、地区专业化与产业集聚趋势: 兼谈对地区差距的影响[J]. 中国社会科学, 2004(6): 39-51+204-205. [15] 刘洪铎, 陈和, 李文宇. 产业集聚对出口产品质量的影响效应研究: 基于中国省际面板数据的实证分析[J]. 当代经济研究, 2016(7): 84-91.doi:10.3969/j.issn.1005-2674.2016.07.009 [16] 彭国华. 中国地区收入差距、全要素生产率及其收敛分析[J]. 经济研究, 2005(9): 19-29. [17] 李翠锦, 荆逢春. 地理集聚是否影响了地区出口比较优势: 基于商业信用的视角[J]. 国际贸易问题, 2015(5): 11-20. [18] STOCK J H, YOGO M. Testing for weak instruments in liner IV regression[M]. New York: Cambridge University Press, 2005: 80-108. [19] 佟家栋, 刘竹青. 地理集聚与企业的出口抉择: 基于外资融资依赖角度的研究[J]. 世界经济, 2014, 37(7): 67-85. [20] 白东北, 张营营, 王珏. 产业集聚与中国企业出口行为: 基于企业劳动力成本的研究[J]. 世界经济研究, 2019(11): 46-64+135.